Pyspark实战（二）wordcount词频统计

落叶1210

于 2019-06-27 23:40:33 发布

阅读量1.8k

点赞数

CC 4.0 BY-SA版权

分类专栏：大数据 pyspark 文章标签： pyspark wordcount 词频统计

本文链接：https://blog.youkuaiyun.com/luoye4321/article/details/93927778

大数据同时被 2 个专栏收录

13 篇文章

订阅专栏

pyspark

6 篇文章

订阅专栏

本文详细介绍了一个使用PySpark进行单词计数的实际案例。通过在E盘根目录创建的test.txt文件，文章演示了如何利用PySpark的SparkContext和RDD进行文本文件的读取、单词的拆分、计数及结果的输出。该过程展示了PySpark的基本操作流程，适用于初学者了解并实践PySpark的基础用法。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

E盘根目录创建test.txt输入测试内容如下：

this is a test

this very good

you is very good

what are you

完整代码如下：

from pyspark import SparkContext,SparkConf



def wordcount():

    txtfile=r'E:\test.txt'



    conf=SparkConf()

    conf.setAppName("worlcount")

    conf.setMaster("local[*]")

    sc = SparkContext(conf=conf)



    rdd=sc.textFile(txtfile)

    rdd.flatMap(lambda x:x.split( )).map(lambda x:(x,1)).reduceByKey(lambda x,y:x+y).foreach(lambda x:print(x))



if __name__ == '__main__':

    wordcount()

pycharm直接运行，或者使用命令提交：spark-submit --master local E:\geotrellis\pyspark_dem\base\wordcount.py

执行结果：